AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.6 Sol

Сводка

Сравнение benchmark Claude Opus 4.8 (medium) vs GPT-5.6 Sol (high): GPT-5.6 Sol (high) лидирует по среднему баллу: 9.4 vs 8.8. GPT-5.6 Sol (high) имеет более низкую стоимость benchmark: $0.821 vs $1.107. Claude Opus 4.8 (medium) быстрее: 9.72s vs 10.56s, с долей успешных попыток 84.1% vs 88.9%.

Рекомендуемая модель: GPT-5.6 Sol (high) - У него самый высокий балл в этом сравнении (9.4) и лучший общий баланс стоимости и времени ответа среди всех 2 моделей.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-09

Метрика	Claude Opus 4.8 Claude Opus 4.8 medium Релиз: 2026-05-28	GPT-5.6 Sol GPT-5.6 Sol high Релиз: 2026-07-09

Метрика	Claude Opus 4.8 Claude Opus 4.8 medium Релиз: 2026-05-28	GPT-5.6 Sol GPT-5.6 Sol high Релиз: 2026-07-09
Оценка	8.8	9.4
Ранг	#15	#6
Надежность	10.0	10.0
Стабильность	9.6	8.8
Тестов верно
Доля успешных попыток	84.1%	88.9%
Нестабильные тесты	1	3
Всего запусков	63	63
Стоимость за результат	6.512	4.824
Общая стоимость	$1.107	$0.821
Цена входа	$5.000 / 1M	$5.000 / 1M
Цена выхода	$25.000 / 1M	$30.000 / 1M
Общее число входных токенов	61,007	34,114
Выходные токены	26,495	1,872
Токены рассуждений	5,901	19,777
Время ответа (среднее)	9.72s	10.56s
Время ответа (макс.)	38.03s	54.79s
Время ответа (суммарно)	204.19s	221.69s

Генерация showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#15 Claude Opus 4.8

medium

Стоимость: $0.057
Время: 23.1s
Токены: 2,412 tok

#6 GPT-5.6 Sol

high

Стоимость: $0.151
Время: 201.9s
Токены: 5,100 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.95s	834	1,179	478
GPT-5.6 Sol	8.7	7.9	91.7%	1		3.39s	606	171	644

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		15.33s	10,590	9,945	1,381
GPT-5.6 Sol	10.0	10.0	100.0%	0		12.52s	7,302	404	5,656

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.8	10.0	100.0%	0		38.03s	23,561	5,260	1,588
GPT-5.6 Sol	10.0	10.0	100.0%	0		13.68s	11,019	315	1,599

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	7.1	5.6	83.3%	1		12.29s	10,503	481	312
GPT-5.6 Sol	10.0	10.0	100.0%	0		1.16s	7,140	222	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	5.3	10.0	33.3%	0		14.59s	975	7,477	900
GPT-5.6 Sol	5.3	7.2	44.4%	1		39.45s	619	62	9,556

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		2.46s	708	237	0
GPT-5.6 Sol	10.0	10.0	100.0%	0		4.40s	477	97	238

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.32s	909	373	320
GPT-5.6 Sol	10.0	10.0	100.0%	0		2.73s	660	96	331

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.95s	894	791	483
GPT-5.6 Sol	10.0	10.0	100.0%	0		4.10s	642	211	675

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		8.96s	11,775	301	225
GPT-5.6 Sol	10.0	10.0	100.0%	0		7.08s	5,454	264	393

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	3.0	10.0	0.0%	0		6.14s	258	451	214
GPT-5.6 Sol	4.7	1.6	66.7%	1		6.97s	195	30	685

Быстрое сравнение

Сменить пару сравнения

GPT-5.6 SolhighvsQwen3.7 Maxmedium Gemini 3.5 FlashlowvsGPT-5.6 Solhigh Claude Fable 5mediumvsGPT-5.6 Solhigh Gemini 3.1 Pro PreviewmediumvsGPT-5.6 Solhigh Gemini 3.5 FlashmediumvsGPT-5.6 Solhigh Gemini 3 Flash PreviewmediumvsGPT-5.6 Solhigh Claude Opus 4.8mediumvsGPT-5.2 Chatnone Claude Opus 4.8mediumvsGemini 3.5 Flashlow GPT-5.6 SolhighvsQwen3.6 Max Previewmedium Claude Opus 4.8mediumvsGPT-5.5low Claude Opus 4.8mediumvsDeepSeek V4 Flashhigh Claude Opus 4.7mediumvsGPT-5.6 Solhigh